几种格点化温度滚动订正预报方案对比研究

为了快速获得更为精准的格点温度预报产品,使用国家信息中心高分辨率、高频次的温度格点多元融合产品和欧洲中期天气预报中心全球模式2 m温度预报场资料,采用8种误差订正方案进行滚动订正预报试验。选择2017年1月1日至2月28日和6月1日至7月31日两个时间段进行两次回报模拟试验,并对订正前后的预报结果进行格点和站点检验分析,结果表明:8种方案对模式直接输出的预报场有正技巧订作用,全格点滑动误差回归模型订正和全格点滑动双因子回归模型订正效果最优,两种方案都能使订正场的格点平均绝对误差在2℃以下,3、6和9 h的格点准确率均在0.9以上。全格点滑动误差回归模型的检验评分略微好于全格点滑动双因子回归模型,表明作为预报模型因子的起报时刻误差场比数值模式因子在短期订正中扮演着更为重要的角色。     

基于交叉验证的多模式超级集合预报方法研究

利用AREM、MM5和WRF 3个中尺度有限区域模式,通过选取对短期天气预报影响颇大的积云参数化方案和边界层方案构成15个集合预报成员,以2003年7月汛期天气为研究对象,分别采用相关加权、多元线性回归以及支持向量机回归与"交叉验证"相结合的方法,开展有限区域模式的多模式短期超级集合预报研究.文中主要对上述3种方法的24 h降水和700 hPa流场的超级集合预报结果与多模式集合平均预报结果以及T213模式结果进行了对比分析,结果表明:(1)对于24 h降水,支持向量机回归方法的超级集合预报得到的均方根误差比多模式集合平均小,各降水临界值的TS异常评分比多模式集合平均高;并且它也较相关加权法和多元线性回归的超级集合预报效果好.(2)对于700 hPa流场,对比分析各预报结果经过向量EOF分析得到的风场第1模态和第2模态表明,多模式集合平均主要使风场强度变小,多元线性回归和支持向量机回归的超级集合预报可以较好地刻画风场的强度分布,其中支持向量机回归的超级集合预报对风场强度及其区域分布的预报效果最好.(3)对于700 hPa流场,超级集合预报明显优于同期T213模式预报,从相同的预报均方根误差意义看,支持向量机回归的超级集合预报至少较T213模式预报能提前12 h.     

热带风压场平衡特征及其对GRAPES系统中同化预报的影响研究Ⅱ:动力与统计混合平衡约束方案的应用

研究I的结果表明:线性平衡方程(LBE)在热带地区不适用,而进一步改进方向是削弱LBE在该区域的约束程度。本文以此为基础,在GRAPES(global/regional assimilation and prediction system)全球变分同化系统中引入动力与统计混合平衡约束方案。新方案在逐层求解LBE的基础上增加垂直方向的线性回归,回归系数随纬度和高度变化。针对背景误差协方差的分析表明,新方案可以更好的保证独立分析变量间预报误差不相关的基本要求,并大幅度减小热带地区平衡气压预报误差方差的量值和占总方差的比例。单点试验结果表明,与LBE方案相比,新方案对中、高纬影响很小,但在热带地区成功实现了风、压场分析的解耦,两者分析更为独立。并且,虽未考虑具体波动模态,但新方案给出的风、压场协相关结构与研究I的理论分析结果相近。一个月的同化循环与预报结果表明,引入新方案后,赤道外地区的同化预报效果为中性偏正,而热带地区风场的同化预报效果显著提高,LBE方案中平流层低层的风场同化预报异常被基本消除。     

回归诊断在梅雨期大到暴雨预报中的应用

应用回归诊断方法分析发现，梅汛期大到暴雨回归预报模型的残差分布存在着不对称现象，这种不对称现象是由高杠杆点所引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致了回归系数LS估计的误差，从而又引起暴雨预报的误差。针对这些问题提出了大到暴雨的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，梅汛期大到暴雨回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此大到暴雨的回归诊断预报模型具有普遍意义。大量的试验和多年的业务应用表明，回归诊断对提高大到暴雨预报准确率具有明显的效果。     

镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

基于数值模式误差分析的气温预报方法

采用欧洲中期天气预报中心(ECMWF)全球确定性预报模式地面气温和国家地面站点观测资料,对模式初值场误差、历史误差以及卡尔曼滤波预测误差与实况误差之间的相关性进行分析,设计了4种回归方案订正日最高、最低气温预报偏差,并与ECMWF、中央气象台和全国城镇的预报产品进行了检验对比。结果表明:采用了模式近1～3 d最高(最低)气温和模式最高(最低)气温历史平均误差、初值场误差以及卡尔曼滤波反演误差作为预报因子的改进方案效果最优,经对其2017年日最高和最低气温的预报检验,预报准确率较ECMWF原始模式预报有较明显提高,也明显优于中央气象台指导预报。在空间分布方面,其对地形较为复杂地区的改进效果更好。同时,与当前业务中质量最好的全国城镇预报相比,最高气温预报平均绝对偏差(Mean Absolute Error,MAE)较全国城镇预报低8.24%～13.97%,预报准确率提高1.24%～3.57%,日最低气温平均绝对偏差较城镇预报低9.43%～17.69%,预报准确率提高1.77%～2.72%。在3 d的预报中,对24 h时效内预报相对于48 h和72 h的改进幅度更大,订正效果更加明显。     

回归诊断在城市空气质量预报中的应用研究

城市空气质量回归预报模型的残差分布存在着不对称现象，它是由高杠杆点引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致回归系数L5估计的误差，从而引起预报的误差。针对这些问题提出了城市空气质量的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，城市空气质量回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此城市空气质量的回归诊断预报模型具有普遍     

基于Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。     

GFS模式地形高度偏差对地面2m气温预报的影响

利用2016年1月1日—12月31日全球预报系统(GFS,Global Forecasting System)1～5 d的2 m气温预报资料,以及同期中国地面气象站2 m气温观测资料,研究模式地形高度偏差对地面2 m气温预报的影响。结果表明,较大模式地形高度偏差可严重影响2 m气温模式预报性能,导致较大预报误差。随着模式预报时效延长,2 m气温预报均方根误差也略有增加。比较模式地形高度偏差和预报时效对于模式预报性能的影响,发现模式地形高度偏差对于模式预报效果的影响更加显著。两种地形订正方案,即不做温度垂直订正的线性回归以及对温度进行垂直订正的线性回归都能显著减小2 m气温模式预报的误差,后者的订正效果更好。     

均值生成函数的周期性延拓在回归分析中存在的问题及其改进方案

针对均值生成函数的周期性延拓在回归分析中存在的回归前提不同,预报因子是预报量的非独立表现等缺点,给出了改进方案。实例分析计算表明：新方案可以有效地消除原方案中存在的非独立虚假相关现象,从而使得筛选出周期性预报因子更加客观。基于本方案所建立的数学预报模型,具有历史拟合率与多步长预报精度基本一致的特点,是一种具有使用价值的长期预报手段,也有一定的隐含周期分辨能力。     

中央气象台台风强度综合预报误差分析

本文从总误差、逐年趋势、误差分布等方面对2001—2012年中央气象台（Central Meteorological Observatory, CMO）的台风（TC）强度综合预报水平进行分析,初步分析了强度迅速变化台风预报偏差大的原因。结果表明,强度预报水平没有明显改善,预报误差呈现逐年波动状态,强度稳定TC的预报误差最小,迅速加强TC的预报误差最大。24、96~120 h预报偏强的概率较大,而48~72 h预报偏弱的概率大。南海东北部等海域的预报误差较大,应在业务预报中特别予以关注。随着TC强度的逐渐增强,强度预报在120 h内预报偏强的可能性变大,而强度预报偏弱的可能性减小。根据误差分析结果,提出了一个强度概率预报方案,检验结果表明可在业务中参考使用。     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

京津冀站点风温湿要素的机器学习订正方法

基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3~12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。     

强风事件识别及预报订正方法研究

以如东海上风电场升压站激光雷达测风资料为基础,提出了一种强风事件识别方法,设计并比较了三种预报强风事件识别方案。基于决策树和一元线性回归方法,分别开展了针对强风事件的订正方法研究。结果发现:三种预报强风事件识别方案中,等分位阈值方案明显更优,事件命中率达到76.1%,匹配时长命中率达到87.6%;采用消偏阈值方案和等分位阈值方案预报的强风事件时长会更接近观测强风事件时长;等分位阈值方案识别的事件基本可以覆盖到各次观测强风事件的全程;两个订正模型相对于模式预报都有一定提升与改进,其中决策树比一元线性回归模型更优,其平均绝对误差、相对误差和均方根误差明显更小。     

台风预报误差的流依赖特征及混合资料同化中最优耦合系数

基于集合卡尔曼变换与三维变分(ETKF-3DVAR)混合资料同化系统和欧洲中期天气预报中心(ECWMF)的全球集合预报,以"梅花"台风为例,分析了台风系统预报误差的流依赖特征,讨论了耦合系数在混合同化和预报中的敏感性及其对预报质量的影响。结果显示,台风系统的预报误差协方差具有显著的中小尺度结构特征,集合估计的预报误差协方差结构能够再现其流依赖属性。相对于3DVAR方案,混合资料同化方案的最优耦合系数对台风系统的分析和预报质量具有更好的改善;但不同的耦合系数对台风路径预报有明显的影响,不合适的耦合系数甚至可能导致更坏的结果,只有耦合了相对合适的预报误差协方差的流依赖信息,混合资料同化方案才可能对分析和预报质量有正效果。这表明在混合资料同化系统中,构造一种具有自适应能力的耦合权重函数,实现相对最优权重的自动选择,对充分发挥混合资料同化方案的潜在优势具有重要意义。     

GRAPES全球集合预报的集合卡尔曼变换初始扰动方案初步研究

初始扰动方案是集合预报研究的核心问题之一.文中根据最新提出的基于集合卡尔曼变换(ETKF)理论的集合初始扰动方案,利用模拟观测系统及其调整的观测误差与放大因子的方案,研究发展了针对中国GRAPES全球预报系统的集合初始扰动方案,建立了GRAPES全球集合预报系统.利用14个集合成员进行了近两个月的集合预报试验,重点研究了初始扰动的结构特征、扰动振幅以及扰动增长特征,分析了集合扰动初始场的质量与性能.初步试验结果表明,基于ETKF初始扰动方案的GRAPES全球集合初始扰动能够较好地反映分析误差方差的主要模态结构和扰动振幅,并具有比较合理的集合离散度.分析误差方差能够准确地反应模拟观测资料的空间分布特征.初始扰动方差近似等于预报误差方差,并对全球观测系统的空间变化具有准确的响应.集合扰动具有合适的增长率,在96 h的预报时效内可以有效地保持适当的集合离散度.52 d集合预报统计分析显示,北半球集合平均的预报质量评分相对于控制预报具有较明显的优势,副热带高压特征线的个例预报也表明GRAPES全球集合预报在短期预报时效内具有很好的预报效果.基于ETKF初始扰动方案的GRAPES全球集合预报系统显示出良好的发展前景和应用潜力.     

分析约束的集合预报初始扰动构造方案的研究

集合预报初始扰动准确描述大气运动的不确定性是集合预报研究的核心问题,合理的扰动结构及振幅应能更好地反映大气运动状态的预报误差特征。随着集合扰动和资料同化的深入研究和理解,集合初始扰动方案与集合同化紧密结合协同发展。本文基于中国气象局数值预报中心自主研发的GRAPES-REPS集合预报系统,针对其初始扰动的结构和振幅与预报误差一致性较差的不合理问题,结合不同空间尺度天气系统预报误差特征,将表征预报不确定性的集合扰动与表达观测和预报不确定性的资料同化分析增量有效结合,研究提出了一种改善集合初始扰动质量的分析约束方案,以实现对集合初始扰动质量进一步改善。分析约束方案充分考虑资料同化分析增量的空间结构和量值特征,分别构造了单一定常和具有一定适应能力的两种分析约束函数,实现对初始扰动中不合理信息的识别和约束调整。试验结果表明,具有适应能力的分析约束方案对集合初始扰动具有良好的调整能力,约束后集合扰动的结构和振幅与中小尺度天气系统的预报误差更为吻合,其集合离散度和扰动能量的空间结构与演变特征更加趋于合理。分析约束方案可有效改善集合初始扰动质量及其预报性能。     

初始资料的正态化变换及回归方程预报精度的提高

一、问题的提出初始资料和预报模式时适应,是天气预报的一个重要问题,它不但具有理论意义,而且具有实际意义,无论数值预报模式还是统计预报模式都不例外。对于统计预报模式,我们知道,使用回归模式其初始资料必须满足如下数学条件:(1)预报误差e的数学期望为零,即E(e)=0;(2)预报误差e具有等方差性,即COV(e)=δ~2;(3)资料和预报误差e服从正态分布。当初始资料满足上述条件,它才能同导出的回归模式的数学前提相适应。否则在理论上资料不满足回归模式的数学前提,在实际应用时产生较大误差,而且使用过程中具有不稳定性。     

四个耦合模式ENSO后报试验的“春季预报障碍”

用CliPAS计划中3个气候模式和中国科学院大气物理研究所耦合模式FGOALS-g短期气候异常回报试验结果,将动力和统计方法相结合,考察了1982—2003年厄尔尼诺/拉尼娜事件发展期和衰减期海表温度春季可预报性障碍现象。结果表明,所考察的耦合模式对ENSO事件预报的误差发展存在明显的季节依赖性,最大误差增长通常发生在春季,发生显著的可预报性障碍现象。进一步分析发现厄尔尼诺事件和拉尼娜事件在发展期的季节预报障碍现象比衰减期明显,以厄尔尼诺事件发展期春季可预报性障碍现象最为显著,拉尼娜事件衰减期季节预报障碍现象不显著。研究还发现,预报误差的增长在ENSO事件冷暖位相具有显著的非对称性,发展期暖位相预报误差强于冷位相,而衰减期冷位相的预报误差比暖位相大。通过回归分析,诊断了海-气相互作用的强度,发现耦合系统在春季最不稳定,使预报误差最易在春季发展,从而导致可预报性障碍。     

雷达回波外推预报的误差分析

基于天气雷达资料的外推预报是灾害天气临近预报的基础,选取4次强降水过程分析了外推预报的误差.主要分析方法包括3个步骤:(1)采用多尺度回波跟踪方法确定雷达回波的运动场;(2)采用半拉格朗日平流方案对雷达回波进行外推;(3)预报结果和观测结果进行对比.利用去相关时间方法分析了雷达回波的可预报性,利用预报技巧评分和相对绝对误差对外推预报的误差进行了定量分析.此外,还分析了外推预报的误差与尺度之间的关系,以及外推预报中的不确定因素 回波强度变化和回波运动场变化在预报误差中的相对重要性.这4次强降水过程的误差分析表明,预报误差随预报时效的变化基本上是以指数规律递减的,大尺度的降水系统对应较长的持续性,对于发展演变较快、尺度较小的风暴,其持续性较短.